基于路测数据的LTE基站E-RAB故障实时预测

目录

声明

致谢

1 引言

1.1 研究背景及意义

1.2 时间序列分类研究现状

1.2.1 时间序列的分类背景

1.2.2 时间序列的分类方法

1.3 不平衡分类研究现状

1.3.1 不平衡数据的产生

1.3.2 不平衡数据预处理方法

1.3.3 不平衡数据分类方法

1.4 论文组织结构

2 LTE故障预测机理及其相关基础理论研究

2.1 问题描述

2.2 路测数据和基站数据相关参数

2.2.1 路测数据参数

2.2.2 基站数据参数

2.2.3 数据的匹配

2.3 数据预处理相关方法

2.3.1 缺失值和异常值的处理方法

2.3.2 归一化和标准化

2.4 K-MEANS聚类算法

2.5 分类相关算法

2.5.1 支持向量机（SVM）

2.5.2 集成学习

2.6 不平衡分类结果的评价指标

2.7 本章小结

3 数据预处理

3.1 问题描述

3.2 路测数据预处理

3.2.1 插值补充数据完整度

3.2.2 插值实验结果

3.3 基站数据预处理

3.3.1 基站数据清洗

3.3.2 二分K-means聚类实验

3.3.3 聚类实验结果

3.4 本章小结

4 基于聚类的SHAPELETS选择方法及分类研究

4.1 问题描述

4.2 时间序列子序列集合的选取

4.3 K-DTW聚类算法

4.4 K-DTW-SHAPELETS特征提取方法

4.5 基于K-DTW-SHAPELETS特征提取的分类方法

4.5.1 SVM分类

4.5.2 簇中心权重

4.5.3 CCS（Clusters Centroid SVM）分类方法

4.6 本章小结

5 CCS分类方法实验

5.1 CCS在UCR数据集的实验结果

5.1.1 CCS参数设置

5.1.2 CCS权重对比实验

5.2 CCS在路测数据集的实验结果

5.3 实验结论

5.4 本章小结

6 总结和展望

6.1 文章内容及工作总结

6.2 下一步的研究方向

参考文献

作者简历及攻读硕士学位期间取得的研究成果

独创性声明

学位论文数据集